基于颗粒图像的Canny算子双阈值新方法

“计算Canny算子双阈值的新方法，张晶晶，范学良，蔡小舒，上海理工大学能源与动力工程学院” Canny算子是计算机视觉领域中的一个经典边缘检测算法，由John F. Canny在1986年提出。它通过一系列处理步骤，包括高斯滤波、计算梯度幅度和方向、非极大值抑制以及双阈值检测，来有效地检测图像中的边缘。在Canny算子中，选择合适的双阈值至关重要，这两个阈值分别用于初步检测边缘和确认边缘，从而达到既能去除噪声又能保留清晰边缘的目标。 传统的Canny算子通常使用固定阈值或预设阈值，但这种方式可能不适用于所有图像，因为不同图像的噪声水平和边缘强度差异较大。因此，文中提出了一种新的自适应双阈值计算方法，该方法特别针对颗粒图像进行了优化。研究者详细探讨了非极大值抑制（Non-Maximum Suppression，NMS）图像的灰度统计特性，发现NMS图像中“谷”两端的灰度值作为双阈值能更有效地提取边缘。 非极大值抑制是Canny算子中的关键步骤，它用于消除边缘检测过程中的虚假响应，只保留最突出的边缘点。在NMS过程中，图像的局部梯度信息被用来确定哪些像素点应该被保留为边缘点。论文中提到，通过分析NMS图像的“谷”两端灰度值，可以找到最佳的双阈值，这样可以更精确地识别真实边缘，同时减少噪声的影响。 实验结果显示，该新方法相较于基于最大熵原理或Otsu方法的Canny算子，具有更高的准确性。最大熵原则通常用于自动选择阈值，以使图像的熵最大化，而Otsu方法则是一种二值化阈值选择方法，旨在将图像分割成前景和背景两部分，但这些方法可能并不理想地适用于边缘检测。相比之下，新提出的基于NMS图像谷值的双阈值计算方法在颗粒图像的边缘检测中表现出更好的稳定性和可靠性。 这种方法对于颗粒测量尤其重要，因为颗粒图像的边缘清晰度直接影响到粒度分析的精度。在图像法测量颗粒形态时，准确的边缘检测是关键，新方法能提供更可靠的边缘信息，从而提高测量的准确性和一致性。 该研究为Canny算子的阈值选择提供了创新思路，通过自适应地根据NMS图像特性确定双阈值，提高了边缘检测的性能，特别是在颗粒图像处理等特定应用中。这一成果对于图像处理和计算机视觉领域的研究和实践都具有重要的参考价值。